A new method for the characterisation and quantitative speciation of base metal smelter stack particulates
Notice bibliographique
Résumé
Base metal smelters may be a source of particulates containing metals of environmental concern released to the atmosphere. Knowledge of the quantitative chemical speciation of particulate releases from base metal smelters will be of value in smelter emission fingerprinting, site-specific risk assessments, predictions of the behaviour of smelter stack particulates released to the environment and in resolving liability issues related to current and historic releases. Accordingly, we have developed an innovative approach comprising bulk chemical analysis, a leaching procedure, X-ray diffraction analysis and scanning electron microscopy/electron probe microanalysis characterisation in a step-wise apportioning procedure to derive the quantitative speciation of particulate samples from the stacks of three copper smelters designated as A, B and C. For the A smelter stack particulates, the major calculated percentages were 29 CuSO(4), 20 ZnSO(4).H(2)O, 13 (Cu(0.94)Zn(0.06))(2)(AsO(4))(OH), 11 PbSO(4) and four As(2)O(3). For the B smelter stack particulates, the primary calculated percentages were 20 ZnSO(4).H(2)O, 20 PbSO(4), 12 CuSO(4) and nine As(2)O(3). Finally, we calculated that the C smelter stack particulates mostly comprised 34 ZnSO(4).H(2)O, 19 (Cu(0.84)Zn(0.16))(AsO(3)OH), 11 PbSO(4), 10 As(2)O(3) and nine Zn(3)(AsO(4))(2). Between 56% and 67% by weight of the smelter stack particulates, including the As, was soluble in water. For these and other operations, the data and approach may be useful in estimating metals partitioning among water, soil and sediment, as well as predictions of the effects of the stack particulates released to the environment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».